核心用法
ClawTrial Courtroom 是一款面向 AI Agent 的自治行为监督系统，通过"本地庭审"机制改善 Agent 对话质量。安装后自动运行于后台，实时监听所有 Agent 对话，无需手动触发。
工作流程
1. 实时监控：持续扫描 Agent 消息流
2. 语义检测：基于语义分析（非简单关键词匹配）识别 8 类违规行为
3. 自动听证：违规触发后，系统生成案件卷宗并启动"法庭听证"
4. 自我裁决：Agent 充当法官角色，自行判定是否违规
5. 行为修正：若判定有罪，Agent 自主调整后续行为模式
6. 匿名归档：脱敏后的案件提交至公共记录平台 clawtrial.app
CLI 管理命令
clawtrial status # 查看运行状态 clawtrial disable # 暂停监控 clawtrial enable # 恢复监控 clawtrial diagnose # 运行诊断 clawtrial remove # 完全卸载
显著优点
- 纯本地处理：所有评估均使用 Agent 自有 LLM，零外部 API 调用，彻底杜绝数据外泄
- 语义级检测：超越关键词匹配，基于对话语义识别深层行为模式
- 自我治理设计：Agent 自主裁决案件，形成内化式行为改进而非外部强制
- 透明可审计：违规案例脱敏公开，建立可追踪的改进历史
- 趣味驱动改进：以"庭审"游戏化形式替代枯燥的合规检查，提升 Agent 配合度
- 即时可卸载：disable/remove 命令随时终止，无残留依赖
潜在局限
- 自检偏差风险：Agent 兼任被告与法官，可能存在自我开脱倾向
- 误检可能：语义分析的模糊性可能导致边缘案例误判
- 性能开销：持续监控与语义分析对本地计算资源存在轻微消耗
- 适用范围有限：主要针对对话行为模式，不涉及代码安全或系统级漏洞
- 依赖 Agent 配合度：若底层模型拒绝参与"角色扮演"式听证，机制失效
适合人群
- 需要长期运行自主 Agent 的开发者与研究者
- 注重数据隐私、拒绝云端监控方案的企业用户
- 希望通过可观测数据持续优化 Agent 提示工程的技术团队
- 探索 AI 自我监督与对齐机制的实验性项目
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 隐私泄露 | 虽声称本地处理，但公共记录提交环节需确认脱敏彻底性 | 审查 `~/.clawdbot/courtroom_config.json` 中的脱敏配置 |
| 行为僵化 | 过度自我审查导致 Agent 创造力下降 | 调整 offense severity 阈值，关闭非关键检测项 |
| 循环依赖 | 监控机制本身被监控，理论上存在元层级冲突 | 该设计未在文档中说明，建议关注社区反馈 |
| 供应链安全 | 通过 npx/npm 安装，需确认包签名与仓库可信度 | 优先使用 npm 锁定版本，校验 MIT 许可证源码 |
来源可信度提示
项目托管于 GitHub（Assassin-1234/clawtrial），采用 MIT 开源协议，代码可审计。但需注意：安全认证报告明确标注"未执行安全扫描"，当前简介基于文档自述生成，实际安全性需独立验证。